基于信息融合的城市道路行程时间预测研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 问题的提出 | 第11-12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.2.1 理论意义 | 第13-14页 |
| 1.2.2 实践意义 | 第14页 |
| 1.3 国内外现状分析 | 第14-18页 |
| 1.3.1 国外研究现状 | 第14-16页 |
| 1.3.2 国内研究现状 | 第16-18页 |
| 1.4 技术路线 | 第18页 |
| 1.5 研究内容及组织结构 | 第18-20页 |
| 1.6 小结 | 第20-21页 |
| 第2章 交通数据获取与融合技术分析 | 第21-29页 |
| 2.1 交通数据获取技术 | 第21-24页 |
| 2.1.1 传统交通数据采集 | 第21-22页 |
| 2.1.2 自动交通数据采集 | 第22-24页 |
| 2.2 信息融合技术 | 第24-27页 |
| 2.2.1 信息融合定义 | 第24-25页 |
| 2.2.2 信息融合方法 | 第25-27页 |
| 2.3 采样周期的研究 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 城市道路行程时间估计研究 | 第29-41页 |
| 3.1 基本思路 | 第29页 |
| 3.2 交叉口延误 | 第29-33页 |
| 3.2.1 计算模型 | 第29-32页 |
| 3.2.2 改进型HCM2010延误公式 | 第32-33页 |
| 3.3 路段通过时间 | 第33-34页 |
| 3.4 交叉口通过时间 | 第34页 |
| 3.5 行程时间估计模型 | 第34-35页 |
| 3.6 算例分析 | 第35-40页 |
| 3.6.1 数据采集 | 第35-38页 |
| 3.6.2 模型参数标定 | 第38页 |
| 3.6.3 模型验证 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 城市道路行程时间预测模型 | 第41-59页 |
| 4.1 当前行程时间预测方法 | 第41-44页 |
| 4.1.1 历史趋势法 | 第42页 |
| 4.1.2 卡尔曼滤波 | 第42-43页 |
| 4.1.3 神经网络模型 | 第43页 |
| 4.1.4 时间序列法 | 第43-44页 |
| 4.1.5 多元线性回归模型 | 第44页 |
| 4.2 行程时间预测模型 | 第44-55页 |
| 4.2.1 基于历史趋势的行程时间预测 | 第45-49页 |
| 4.2.2 基于卡尔曼滤波的行程时间预测 | 第49-55页 |
| 4.3 行程时间预测综合模型 | 第55-58页 |
| 4.3.1 融合模型构建 | 第56-57页 |
| 4.3.2 权值迭代调整 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 模型与算法的应用及验证 | 第59-71页 |
| 5.1 研究路段 | 第59-61页 |
| 5.2 数据采集 | 第61-64页 |
| 5.2.1 交通调查 | 第61页 |
| 5.2.2 仿真环境 | 第61-62页 |
| 5.2.3 仿真实现 | 第62-64页 |
| 5.3 行程时间预测 | 第64-67页 |
| 5.4 融合模型有效性 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附件1 卡尔曼滤波预测实现程序 | 第78-80页 |
| 附件2 行程时间预测融合模型实现程序 | 第80-82页 |
| 附件3 融合模型工作实现程序 | 第82-84页 |
| 攻读硕士学位期间发表的论文 | 第84页 |
